分類的話我不是很清楚，作為一個視覺化見習程式設計師來說一下圖形。首先我們在規劃之初就應該訂好一張視覺化報表應該有哪些資料，視覺化並不是做的越細越好，通常情況我們展示的是一種趨勢波動或異常告警。視覺化報表圖表選擇也很重要比如年資料增長我們一般採用折線圖或柱狀圖，一些品類佔比可能採用面積圖或雷達圖。

一般我在視覺化方向主要做的就是資料大屏，這個時候主介面的設計配色，圖表的選擇顯得非常重要，而且大屏並不是越多越好。能夠凸顯問題才是重點。

更廣泛的資料視覺化就非我能力所及啦

天善學院雙十一五場微課免費直播，

11月6日年邁的資料分析師教你做年終總結報告

陳丹奕：知乎大神，前百度資深資料分析師

11月7日機器學習與工業實踐

鄒博：中國科學院副研究員，天津大學特聘教授

11月8日 貝葉斯演算法與新聞分類實戰

唐宇迪：深度學習領域多年一線實踐研究專家，同濟大學碩士

11月9日破冰Python，1小時快速入門

11月10日 職場也有雙11--你賤賣自己的5大常用技巧

陳文：8年經驗資料分析師，資深業務顧問

加直播管理員：xtechday，進入直播交流。

提到資料分析，就一定會有資料視覺化。因為字不如表，表不如圖，影象可以更加直觀清晰的表達數值所無法表達的含義。視覺化是資料分析的核心理念，我們往往會追求圖表儘可能的具有美感，但是具有美感的圖表不一定是有用的圖表，兩者之間不能劃等號。

資料視覺化的目的是讓資料更高效，讓讀者快速瞭解而非只是自己使用才是我們最終的目標。在突出資料背後的規律，突出重要因素的前提下我們再進行美觀上的最佳化才是正確的選擇。

圖表的基礎概念

維度：描述分析的角度和屬性，分類資料。時間，地理位置，產品型別等

度量：具體的參考數值，數值資料。元，銷量，銷售金額等

圖表型別與應用散點圖

主要解釋資料之間的規律

維度：0+

度量：2

圖1

氣泡圖（變種的散點圖1）

氣泡圖是散點圖的變種，引入了第三個度量作為氣泡的大小

維度：1+

度量：3

圖2

單軸散點圖（變種的散點圖2）

維度作Y軸，更傾向於洞察資料在不同類別下的資料規律

維度：1+

度量：2

圖3

折線圖

用來觀察資料隨時間變化的趨勢（維度不易過多，否則會容易造成混亂和複雜）

維度：1+

度量：1+

圖4

面積圖（變種的折線圖）

注重資料類別之間隨著時間趨勢的變化關係

圖5

柱形圖

展現類別之間的關係

維度：2

度量：1+

圖6

直方圖（柱形圖的變種）

統計型柱形圖

維度：0

度量：1

圖7

其他柱形圖：正負比例柱形圖，翻轉比例柱形圖，堆積柱形圖，百分比堆積柱形圖，瀑布圖等

餅圖

資料分析一般用不到

維度：1

度量：1

圖8

漏斗圖

對轉化過程的直觀展示，轉化步驟不宜超過七個

維度：1

度量：1

圖9

雷達圖

個體的資料和屬性的視覺化方案，比較偏描述性的資料

維度：1+

度量：1+

圖10

樹形圖

資料量較大，類別較多的資料分析時經常使用

維度：1+

度量：1

圖11

桑基圖

揭示資料複雜變化趨勢，可以一對多或者多對一

維度：2

度量：1

圖12

熱力圖

可以體現資料在空間上的變化規律

維度：1

度量：1

圖13

關係圖

展現不同類別之間的資料關係

維度：2

度量：0+

圖14

箱線圖

研究觀察和對比資料分佈

維度：1+

度量：1

圖15

標靶圖

用於衡量業務銷售完成情況

維度：1+

度量：2

圖16

詞雲圖

直觀大氣展現大資料的最優先圖表之一

維度：1

度量：0

圖17

地理圖

用於展現資料和空間之間的關係

維度：1

度量：1

圖18

以上是資料視覺化圖表的初步學習，感謝瀏覽。

作者曾經寫過系列文章《R語言資料視覺化》，在這裡給大家做一個大概的總結，從簡單到複雜，介紹了條形圖到相關圖，再到地圖視覺化等多種資料視覺化圖表的應用場景及實現方式，感興趣的讀者可以作者主頁檢視詳細內容。

條形圖餅圖和扇形圖直方圖和核密度圖

直方圖透過在X軸上將值域分割為一定數量的組，在Y軸上顯示相應值的頻數，展示了連續型變數的分佈。

核密度估計是用於估計隨機變數機率密度函式的一種非引數方法，核密度圖不失為一種用來觀察連續型變數分佈的有效方法。

箱線圖/盒須圖

繪製連續型變數常用的五個描述性統計量，從下到上依次是：最小值，下四分位數（25%分位數），中位數（50%分位數），上四分位數（75%分位數），最大值。

小提琴圖

小提琴圖是箱線圖和核密度圖的結合，在縱軸展示了資料分佈的核密度估計曲線。

點圖

在水平軸上繪製大量有標籤的數值的方法。也就是你想比較大量不同類別下資料值的差異時，可以使用點圖，使用條形圖等其他圖形視覺效果較差。

散點圖矩陣

散點圖矩陣可以非常直觀地看到多個變數兩兩間的相關性，是變數間相關性分析的一把利器。

高密度散點圖

高密度散點圖主要是用來解決當大資料集而又有很多點可能重合的資料視覺化問題，基本上就是大家常說的熱力圖。

三維散點圖

三維散點圖主要是解決需要視覺化的資料維度大於2維的情況，當然當資料大於2維時三維圖並不是唯一的解決辦法，還有氣泡圖以及分系列的散點圖等，有時候我甚至覺得三維散點圖雖然看上去炫一點，但是資訊的呈現方式並不如氣泡圖和分系列散點圖直觀。

氣泡圖、折線圖和馬賽克圖

氣泡圖：三個定量變數之間關係的視覺化展示

折線圖：將散點圖的點連線起來就可以得到折線圖，用於兩個定量變數之間關係的視覺化展示

馬賽克圖：多個類別變數之間關係的視覺化展示

相關圖

相關圖則是專門為解決眾多二元變數兩兩之間相關關係的視覺化而設計的圖形，它將以更加簡單直觀的方式展示多個變數兩兩之間相關性的強弱。

地圖視覺化點圖

地圖視覺化點圖，主要是用來對一些與地理位置有關的值進行視覺化操作，把值在相應的地理位置上標出來。比如不同地方的銷售量，不同地方的營業額這些都可以透過地圖視覺化點圖的方式將其展示在地圖上，清晰明瞭地就可以看到各地資料的差異。

未完待續~

DataViz資料視覺化分析工具有上百種圖表，可實現資料的多維度多層次分析，不同的圖表有不同的適用場景，本文將介紹DataViz包含的各種圖表及各自的適用場景

DataViz資料視覺化分析工具是線上資料分析軟體(BI)，無需資料分析師和IT人員的幫助，業務人員只需透過拖拽式操作即可完成資料視覺化分析工作。支援拖拽資料集中維度和度量即可自動實現視覺化展現以及資料透視功能，支援數十種圖表自由切換。支援連線各種業務資料庫如Oracle、 MySQL、 SQL Server等、文字資料來源如Excel、 Csv等。可以訪問東軟平臺雲(https://cloud.neusoft.com)直接註冊訪問。

資料視覺化圖形的話，有一般常用的視覺化分析圖表，比如柱形圖、折線圖等這些，大家都很熟悉了。還有一種是以這些基礎性的圖表為前提進行開發的高階視覺化圖表。比如說柱形圖中的就有階梯圖、堆積圖、電量圖等。這些圖表能針對性滿足特定分析場景需求，比如說我們要對比一種彙總資料的百分比情況，那就能用電量圖，如下圖：